SentenceTransformer based on intfloat/multilingual-e5-large

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-large. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: intfloat/multilingual-e5-large
Maximum Sequence Length: 512 tokens
Output Dimensionality: 1024 tokens
Similarity Function: Cosine Similarity

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("qminh369/tpbank-dense_embedding")
# Run inference
sentences = [
    'Theo quy định của TPBank, làm thế nào để đề nghị tăng hạn mức thẻ tín dụng theo hình thức tín chấp hoặc có TSBĐ?',
    'KH có thể đề nghị TPBank phê duyệt tăng hạn mức Thẻ tín dụng theo hình thức tín chấp (không  có TSBĐ) hoặc có TSBĐ, việc tăng hạn mức Thẻ tín dụng dựa theo hồ sơ KH tương tự KH đề nghị  xét cấp mới hạn mức Thẻ tín dụng tại Điều 8 và Điều 9 Sản phẩm này và thực hiện theo từng đối  tượng KH cụ thể tại Phụ lục 01 – Quy định về cấp hạn mức Thẻ tín dụng đối với nhóm Khách  hàng thông thường (PL01.SP31/CN/TD), Phụ lục 02 – Quy định cấp hạn mức Thẻ tín dụng đối với  nhóm Khách hàng phê duyệt trước theo địa vị, chức vụ và thâm niên công tác  (PL02.SP31/CN/TD), và Phụ lục 03 – Quy định cấp hạn mức Thẻ tín dụng đối với nhóm Khách  hàng nội bộ TPBank và nhóm Khách hàng phê duyệt trước có chứng từ thay thế chứng từ chứng  minh thu nhập (PL03.SP31/CN/TD) của Sản phẩm này.',
    '1. Trung tâm Sản phẩm Tín dụng Bán lẻ - Khối Ngân hàng cá nhân có trách nhiệm hướng dẫn thi hành  và tổ chức thực hiện Sản phẩm này. \n\n2. Các Ông (Bà) thành viên Ban Điều hành, Khối Ngân hàng cá nhân, Khối Tín dụng, Trung tâm Hỗ  trợ tín dụng - Khối Vận hành, các Đơn vị kinh doanh và các Đơn vị, cá nhân liên quan trên toàn hệ  thống TPBank chịu trách nhiệm thi hành Sản phẩm này./.  \n\n\nNơi nhận:  -  Như Điều 29 (để thực hiện);  -  HĐQT, BKS (để báo cáo);  -  LC, RM, QA, IA (để biết);  -  Lưu VP. \n\nTỔNG GIÁM ĐỐC  (Đã ký)  NGUYỄN HƯNG',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Binary Classification

Dataset: dev
Evaluated with BinaryClassificationEvaluator

Metric	Value
cosine_accuracy	0.8646
cosine_accuracy_threshold	0.9988
cosine_f1	0.6829
cosine_f1_threshold	0.9988
cosine_precision	0.8235
cosine_recall	0.5833
cosine_ap	0.6305
dot_accuracy	0.8646
dot_accuracy_threshold	0.9988
dot_f1	0.6829
dot_f1_threshold	0.9988
dot_precision	0.8235
dot_recall	0.5833
dot_ap	0.6305
manhattan_accuracy	0.8646
manhattan_accuracy_threshold	1.2318
manhattan_f1	0.6829
manhattan_f1_threshold	1.2318
manhattan_precision	0.8235
manhattan_recall	0.5833
manhattan_ap	0.6652
euclidean_accuracy	0.8646
euclidean_accuracy_threshold	0.0481
euclidean_f1	0.6829
euclidean_f1_threshold	0.0481
euclidean_precision	0.8235
euclidean_recall	0.5833
euclidean_ap	0.6305
max_accuracy	0.8646
max_accuracy_threshold	1.2318
max_f1	0.6829
max_f1_threshold	1.2318
max_precision	0.8235
max_recall	0.5833
max_ap	0.6652

Training Details

Training Dataset

Unnamed Dataset

Size: 244 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string int
details
min: 10 tokens
mean: 33.5 tokens
max: 78 tokens

min: 51 tokens
mean: 279.02 tokens
max: 512 tokens

1: 100.00%

	sentence_0	sentence_1	label
type	string	string	int
details	min: 10 tokens mean: 33.5 tokens max: 78 tokens	min: 51 tokens mean: 279.02 tokens max: 512 tokens	1: 100.00%

Samples:

sentence_0	sentence_1	label
`Câu hỏi có thể sinh ra từ đoạn văn trên là: "Quy định QD04/CN/TD và Quy trình QT09/CN/TD liên quan đến việc gì trong ngành ngân hàng?"`		0
`Những biện pháp cụ thể nào mà CBBH cần thực hiện liên quan đến việc thanh toán Phí Bảo Hiểm Xe và việc mua Bảo Hiểm?`	Lưu ý: + Đối với Bảo Hiểm Xe: Người thụ hưởng bảo hiểm trên GCN bảo hiểm/Hợp đồng bảo hiểm là TPBank + Trong vòng 03 ngày làm việc sau giải ngân khoản vay thanh toán Phí Bảo Hiểm Xe/Phí Bảo Hiểm Tín Bảo An hoặc trong vòng 30 ngày làm việc sau giải ngân khoản vay Thanh toán chi phí mua BHNT, CBBH bổ sung Giấy chứng nhận bảo hiểm hoặc Hợp đồng bảo hiểm của KH (Bản copy hoặc bản được in từ hệ thống online của công ty bảo hiểm) cho HTTD tại ĐVKD lưu vào hồ sơ tín dụng. Trường hợp KH cần kiểm tra sức khỏe chuyên sâu dẫn tới quá thời hạn cung cấp trên, CBBH gửi email cho đầu mối phòng [email protected] để xác nhận về thời gian thực tế. Trường hợp Giấy chứng nhận bảo hiểm là bản copy thì CBBH xác nhận đã đối chiếu với bản gốc, trường hợp bản in từ hệ thống thì CBBH tự in và ký xác nhận nội dung đã in từ hệ thống của công ty bảo hiểm.	`1`
`Theo thông tin được cung cấp, điều kiện nào cần phải đáp ứng để được vay vốn từ ngân hàng?`		0

Loss: OnlineContrastiveLoss

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
num_train_epochs: 4
fp16: True
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 8
per_device_eval_batch_size: 8
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 1
eval_accumulation_steps: None
learning_rate: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1
num_train_epochs: 4
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
warmup_steps: 0
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
save_safetensors: True
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
no_cuda: False
use_cpu: False
use_mps_device: False
seed: 42
data_seed: None
jit_mode_eval: False
use_ipex: False
bf16: False
fp16: True
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: 0
ddp_backend: None
tpu_num_cores: None
tpu_metrics_debug: False
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
past_index: -1
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: False
ignore_data_skip: False
fsdp: []
fsdp_min_num_params: 0
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
fsdp_transformer_layer_cls_to_wrap: None
accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
ddp_find_unused_parameters: None
ddp_bucket_cap_mb: None
ddp_broadcast_buffers: False
dataloader_pin_memory: True
dataloader_persistent_workers: False
skip_memory_metrics: True
use_legacy_prediction_loop: False
push_to_hub: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
hub_private_repo: False
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
eval_do_concat_batches: True
fp16_backend: auto
push_to_hub_model_id: None
push_to_hub_organization: None
mp_parameters:
auto_find_batch_size: False
full_determinism: False
torchdynamo: None
ray_scope: last
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
dispatch_batches: None
split_batches: None
include_tokens_per_second: False
include_num_input_tokens_seen: False
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	dev_max_ap
0.9677	30	0.6413
1.0	31	0.6394
1.9355	60	0.6365
2.0	62	0.6373
2.9032	90	0.6551
3.0	93	0.6631
3.8710	120	0.6652

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.0.1
Transformers: 4.41.2
PyTorch: 2.3.1+cu118
Accelerate: 0.32.1
Datasets: 2.20.0
Tokenizers: 0.19.1

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

qminh369
/

tpbank-dense_embedding